論文の概要: Bi-manual Stabilization of the Cervical Spine for Safe Physical Human-Robot Interaction in Rolling Maneuvers

• arxiv url: http://arxiv.org/abs/2610.04220v1
• Date: Sat, 03 Oct 2026 02:19:08 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:23:19.919446
• Title: Bi-manual Stabilization of the Cervical Spine for Safe Physical Human-Robot Interaction in Rolling Maneuvers
• Title（参考訳）: 転がりマニキュアにおける安全人-ロボット相互作用のための頚椎のバイマニュアル安定化
• Abstract要約: 頸部、特に頚椎は、非常に脆弱で身体の可動部である。 本稿では,ローリング操作時に頚椎を安定させるために,両手動ロボットのアルゴリズムと適応法を提案する。
• 参考スコア（独自算出の注目度）: 15.458526592222315
• License:
• Abstract: The neck, specifically the cervical spine, is a highly fragile and mobile part of the body with a high risk of catastrophic injury. Whether someone is injured on a battlefield, in a natural disaster, or in an athletic event, great care is always taken with the cervical spine when transporting, rolling, or moving the patient. In this work, we present an algorithm and adaptations for bi-manual robots to stabilize the cervical spine during rolling maneuvers. We investigate techniques to maximize grip strength within safety bounds and present a control approach for proper neck rotation. We found that with our approach, a bi-manual robot is capable of achieving human-level performance in maintaining target rotational alignments. The axial alignment for the robot with prediction was within .21 degrees of human novices.
• Abstract（参考訳）: 頸部、特に頚椎は、非常に脆弱で、身体の可動部であり、破折性外傷のリスクが高い。 戦場でも、自然災害でも、運動イベントでも、患者を運んだり転がったり、移動させたりする際には、常に頚椎に注意が払われる。 本研究では,ローリング操作時に頚椎を安定させるために,両手動ロボットのアルゴリズムと適応について述べる。 安全領域内でのグリップ強度を最大化する技術について検討し, 適切な首回転制御手法を提案する。 提案手法により,ロボットは目標回転アライメントの維持において,人間レベルの性能を達成することができることがわかった。 予測付きロボットの軸方向アライメントは、人間の初心者の.21度以内であった。

関連論文リスト

• Towards Adaptive Interaction Strategies for Human Companion Robot via Deep Reinforcement Learning [0.5801044612920815]
  本研究では,強化学習(DRL, Reinforcement Learning)を用いて,移動ロボットが各種条件に応じてトラッキング位置を調整できる新しいヒューマンコンパニオン方式を提案する。 実験では、ロボットが最大1.7m/sの速度で歩く人に柔軟に同行する能力を示し、固定位置に制限されずに戦略を動的に調整する。
  論文  参考訳（メタデータ） (2026-08-20T11:23:33Z)
• HoLoArm: Deformable Arms for Collision-Tolerant Quadrotor Flight [46.42648821424623]
  トンボの翼のノダス構造にインスパイアされた腕を持つ四重奏曲HoLoArmについて述べる。 結果は、HoLoArmが軸方向を含む任意の方向に受動的に変形し、衝撃の方向とレベルに応じて0.3～0.6秒以内で回復可能であることを示した。 ドローンは最大7.6m/sの速度で衝突に耐え、安定した飛行を維持しながら540gのペイロードを運ぶことができる。
  論文  参考訳（メタデータ） (2026-05-25T12:37:18Z)
• Evaluation of an Actuated Spine in Agile Quadruped Locomotion [19.5524995782643]
  脊椎は四肢動物の動的移動において重要な役割を担っている。 本論文は,アジャイル四足歩行学習におけるアクティベートスピンの利点を実証的に検討する。
  論文  参考訳（メタデータ） (2026-05-08T16:45:28Z)
• CLOT: Closed-Loop Global Motion Tracking for Whole-Body Humanoid Teleoperation [54.7399209456857]
  閉ループグローバルモーショントラッキングを実現する,リアルタイムな人型遠隔操作システムCLOTを提案する。 CLOTはオペレータとロボットのポーズをクローズドループで同期させ、長時間のタイムホライズン上でドリフトフリーな人間-人間-ヒューマノイドの模倣を可能にする。 本研究では,報奨評価から観測軌道を分離し,スムーズで安定した大域的補正を可能にするデータ駆動ランダム化手法を提案する。
  論文  参考訳（メタデータ） (2026-02-13T12:03:13Z)
• HHI-Assist: A Dataset and Benchmark of Human-Human Interaction in Physical Assistance Scenario [63.77482302352545]
  HHI-Assist(ヒヒ・アシスト)は、人間の介助作業における人間のインタラクションのモーションキャプチャークリップからなるデータセットである。 私たちの研究は、ロボット支援ポリシーを大幅に強化する可能性がある。
  論文  参考訳（メタデータ） (2025-09-12T09:38:17Z)
• Bipedalism for Quadrupedal Robots: Versatile Loco-Manipulation through Risk-Adaptive Reinforcement Learning [21.938067330028066]
  四足歩行ロボットに二足歩行を導入し,前肢を開放し,環境との多目的インタラクションを実現する。 後肢を歩行する四足歩行ロボットを対象としたリスク適応型分散強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-27T18:51:34Z)
• Coordinating Spinal and Limb Dynamics for Enhanced Sprawling Robot Mobility [0.047116288835793156]
  柔軟性のある脊椎は、脊椎に沿って波状の動きを通して身体を揺らぎ、不均一な地形や障害物を航行するのを助ける。 表面の不規則や摩擦の変動といった環境の不確実性は、体-肢の協調を著しく阻害する。 深い強化学習は、非決定論的環境を扱うための有望なフレームワークを提供する。 本研究では,サンショウウオのようなロボットを用いた学習型制御戦略と生物学的にインスパイアされた歩行設計手法について比較検討した。
  論文  参考訳（メタデータ） (2025-04-18T23:08:48Z)
• Humanoid Whole-Body Locomotion on Narrow Terrain via Dynamic Balance and Reinforcement Learning [54.26816599309778]
  動的バランスと強化学習(RL)に基づく新しい全身移動アルゴリズムを提案する。 具体的には,ZMP(Zero-Moment Point)駆動の報酬とタスク駆動の報酬を,全身のアクター批判的枠組みで拡張した尺度を活用することで,動的バランス機構を導入する。 フルサイズのUnitree H1-2ロボットによる実験により、非常に狭い地形でのバランスを維持するための手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-02-24T14:53:45Z)
• Learning Control Policies for Fall prevention and safety in bipedal locomotion [0.0]
  本研究では,2種類のロボットに対して,プッシュリカバリ制御ポリシを合成可能な学習ベースアルゴリズムを開発した。 1)ヒューマノイドロボットの安全落下防止戦略の学習,2)ロボット支援装置を用いたヒトの転倒防止戦略の学習,である。
  論文  参考訳（メタデータ） (2022-01-04T22:00:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。